Simulink を使用した深層学習

Simulink を使用した深層学習のワークフローの拡張

Deep Learning Toolbox™ に含まれている Deep Neural Networks ブロックライブラリのブロックを使用するか、Computer Vision Toolbox™ に含まれている Analysis & Enhancement ブロックライブラリの Deep Learning Object Detector ブロックを使用して、Simulink^® モデルの深層学習機能を実装します。

Simulink の深層学習機能は、サポートされているコンパイラを必要とする MATLAB Function ブロックを使用します。ほとんどのプラットフォームでは、既定の C コンパイラが MATLAB^® インストールで提供されます。C++ 言語を使用する場合は、互換性のある C++ コンパイラをインストールしなければなりません。サポートされているコンパイラのリストを確認するには、Supported and Compatible Compilers を開き、オペレーティングシステムに対応するタブをクリックして、Simulink Product Family テーブルを見つけ、For Model Referencing, Accelerator mode, Rapid Accelerator mode, and MATLAB Function blocks 列に移動します。システムに複数の MATLAB 対応コンパイラがインストールされている場合は、mex -setup コマンドを使用して既定のコンパイラを変更できます。既定のコンパイラの変更を参照してください。

ブロック

Image Classifier	学習済み深層学習ニューラルネットワークを使用したデータの分類
Predict	学習済み深層学習ニューラルネットワークを使用した応答の予測
Stateful Classify	学習済み深層学習再帰型ニューラルネットワークを使用したデータの分類
Stateful Predict	学習済み再帰型ニューラルネットワークを使用した応答の予測
Deep Learning Object Detector	学習済み深層学習オブジェクト検出器を使用したオブジェクトの検出

トピック

イメージ

GoogLeNet を使用した Simulink でのイメージの分類
この例では、Image Classifier ブロックを使用して、Simulink® でイメージを分類する方法を説明します。
Acceleration for Simulink Deep Learning Models
Improve simulation speed with accelerator and rapid accelerator modes.
深層学習を使用した Simulink での車線検出と車両検出
この例では、Simulink® モデル内で深層畳み込みニューラルネットワークを使用して、車線検出と車両検出を実行する方法を示します。
深層学習を使用した Simulink での ECG 信号の分類
この例では、Simulink (R) モデル内でウェーブレット変換と深層学習ネットワークを使用して ECG 信号を分類する方法を示します。
Classify Images in Simulink with Imported TensorFlow Network
Import a pretrained TensorFlow™ network using importTensorFlowNetwork, and then use the Predict block for image classification in Simulink.

シーケンス

Simulink でのネットワークの状態の予測と更新
この例では、Stateful Predict ブロックを使用して、学習済みの再帰型ニューラルネットワークの応答を Simulink® で予測する方法を説明します。
Simulink でのネットワークの状態の分類と更新
この例では、Stateful Classify ブロックを使用して、Simulink® で学習済みの再帰型ニューラルネットワークのデータを分類する方法を説明します。
Speech Command Recognition in Simulink
Detect the presence of speech commands in audio using a Simulink model.
Time Series Prediction in Simulink Using Deep Learning Network
This example shows how to use an LSTM deep learning network inside a Simulink® model to predict the remaining useful life (RUL) of an engine. You include the network inside the Simulink model by using a Stateful Predict block, which predicts the RUL at every simulation step.
Physical System Modeling Using LSTM Network in Simulink
This example shows how to create a reduced order model (ROM) to replace a Simscape component in a Simulink® model by training a long short-term memory (LSTM) neural network.
Improve Performance of Deep Learning Simulations in Simulink
This example shows how to use code generation to improve the performance of deep learning simulations in Simulink®.

強化学習

Simulink 環境の作成とエージェントの学習
Simulink で学習環境としてモデル化されたプラントを使用し、強化学習を使ってコントローラーに学習させる。
アダプティブクルーズコントロール用の DDPG エージェントの学習
アダプティブクルーズコントロールアプリケーション用の強化学習エージェントに学習させる。
並列計算を使用した車線維持支援用 DQN エージェントの学習
車線維持支援アプリケーション用に、強化学習エージェントに学習させる。
経路追従制御用の DDPG エージェントの学習
レーン追従制御アプリケーション用に、強化学習エージェントの学習を実行します。

コード生成

Simulink アプリケーションからの深層学習コードの生成
デスクトップまたは組み込みターゲットに展開するための C/C++ コードおよび GPU コードの生成

注目の例

深層学習を使用した Simulink での車線検出と車両検出

この例では、Simulink® モデル内で深層畳み込みニューラルネットワークを使用して、車線検出と車両検出を実行する方法を示します。この例では、交通量ビデオのフレームを入力として受け取り、自車の左右の車線に対応する 2 つの車線境界線を出力し、フレーム内の車両を検出します。

スクリプトを開く

深層学習を使用した Simulink での ECG 信号の分類

この例では、Simulink (R) モデル内でウェーブレット変換と深層学習ネットワークを使用して ECG 信号を分類する方法を示します。この例では、Wavelet Toolbox™ の "ウェーブレット解析と深層学習を使用した時系列の分類" の例にある事前学習済みの畳み込みニューラルネットワークを使用して、時系列データの CWT からのイメージを基に ECG 信号を分類します。学習の詳細については、ウェーブレット解析と深層学習を使用した時系列の分類 (Wavelet Toolbox)を参照してください。

スクリプトを開く

Time Series Prediction in Simulink Using Deep Learning Network

Use an LSTM deep learning network inside a Simulink® model to predict the remaining useful life (RUL) of an engine. You include the network inside the Simulink model by using a Stateful Predict block, which predicts the RUL at every simulation step.

ライブスクリプトを開く

深層学習ネットワークを使用した Simulink でのバッテリー充電状態の推定

この例では、Simulink® モデル内でフィードフォワード深層学習ネットワークを使用してバッテリーの充電状態 (SOC) を予測する方法を示します。ここでは、Predict ブロックを使用してこのネットワークを Simulink モデルに組み込み、シミュレーションステップごとに SOC を予測させます。

ライブスクリプトを開く